基于機(jī)器視覺的工件識別技術(shù)的研究.pdf

1、工件識別是工業(yè)生產(chǎn)線上分揀、抓取等后續(xù)操作不可或缺的一部分。針對傳統(tǒng)人工識別的弊端，將機(jī)器視覺原理引入目標(biāo)工件自動識別過程，解決不同工件如何分類識別問題。本文研究了圖像處理和特征提取算法及其軟件編程技術(shù)。
　　首先以常見的工件為研究對象，對它們的圖像進(jìn)行預(yù)處理。設(shè)計(jì)中值濾波結(jié)合形態(tài)學(xué)開閉濾波器的算法，并將其應(yīng)用到工件圖像去噪中，取得了較好的保邊去噪效果；采用頂帽和黑帽運(yùn)算級聯(lián)的方式增強(qiáng)工件圖像對比度，使圖像中的一些細(xì)節(jié)更加容易辨識

2、，為后續(xù)的特征提取和圖像匹配打下基礎(chǔ)。
　　對主流的工件識別方法進(jìn)行了研究，分析和比較各種算法的優(yōu)勢和不足。改進(jìn)傳統(tǒng)Fast角點(diǎn)提取算法，在角點(diǎn)檢測過程中引入尺度空間和角點(diǎn)提純思想對工件特征進(jìn)行提取，用SURF描述器對得到的角點(diǎn)進(jìn)行描述。
　　選擇KNN算法作為相似性度量，LSH索引在高維向量空間進(jìn)行搜索，實(shí)現(xiàn)特征點(diǎn)的初匹配；用RANSAC算法剔除結(jié)果中存在的誤匹配。匹配準(zhǔn)確率相對原SURF檢測算法有了明顯提高。